च्याटजिपिटिभन्दा शक्तिशाली यी ५ एआइ

मानिसहरूको मनमा सामाजिक सञ्जाल भन्नासाथ फेसबुक, सर्च ईन्जिन भन्नासाथ गूगल, भिडियो प्ल्याटफर्म भन्नासाथ युट्युब इत्यादि आउँछ । ठिक त्यस्तै च्याटजिपिटिको उच्च चर्चाका कारण एआइ भन्नासाथ मानिसको मनमा च्याटजिपिटि नै आउन थालिसकेको छ ।

तर तपाईंलाई थाहा नहुन सक्छ कि च्याटजिपिटिभन्दा अघि पनि थुप्रै एआइहरू थिए र पछि पनि धेरै निस्केका छन् । ती मध्ये कति त च्याटजिपिटिभन्दा पनि शक्तिशाली छन् । च्याटजिपिटिले मूलत: टेक्स्टको क्षेत्रमा काम गर्छ । पछिल्लो जिपिटि फोरले चाहीँ इमेजको क्षेत्रमा पनि ।

तर अन्य यस्ता एआइहरू छन् जुन ईमेज, भिडियो लगायत थुप्रै अन्य क्षेत्रहरूमा प्रगति गरिरहेका छन् । तीमध्ये हामीले यो लेखमा केही एआइहरूको बारेमा चर्चा गर्दैछौँ जुन थुप्रै मामिलामा च्याटजिपिटिभन्दा शक्तिशाली छन् तर यो जस्तो चर्चित भने छैनन् । 

ड्याल-ई २ (DALL-E 2) 

ड्याल-ई २ त्यस्तो एआइ हो जसले शब्दहरूको व्याख्या (text prompt) को प्रयोग गरेर त्यसलाई बुझेर विभिन्न दृश्यहरूको सिर्जना र पुनर्सिर्जना गर्ने काम गर्छ जसले हाम्रो प्रभावशाली कल्पनालाई समेत एक हदसम्म सन्तुष्ट पार्न सक्छ । 

ड्याल-ईको अपडेटेड संस्करण यो ड्याल-ई २ ले मान्छेले लेखेका शब्दहरूलाई बुझ्छ, त्यसपछि पहिले नै भएका विभिन्न उपायहरूसँग दाँज्छ र निकै प्रभावशाली तथा द्रुत गतिमा पृथक दृश्यहरू सिर्जना गर्छ । 

यसले “डिफ्युजन” नामक तरिकाको प्रयोग गर्छ जसले स्वतन्त्र रहेका विभिन्न थोप्लाहरूको श्रृङ्खलालाई छनौट गर्छ र त्यो श्रृङ्खलालाई परिवर्तन गर्छ किनकी यसले फोटोका विभिन्न पक्षहरूलाई छान्न थाल्छ । यसरी कुनै शब्दहरू मार्फत् ड्याल-ई २ ले ४ वटा विभिन्न इमेजहरू सिर्जना गर्ने काम गर्छ । 

ड्याल-ई २ ले प्रदान गर्ने विभिन्न सुविधाहरू मध्ये टेक्स्ट प्रम्प्ट, भेरियन्ट (variant) र सम्पादन हुन् । टेक्स्ट प्रम्प्ट भनेको मान्छेले लेख्ने शब्दहरू भैहाल्यो । भेरियन्ट भनेको पहिले नै भएको कुनै दृश्यको प्रयोग गरेर कुनै नयाँ दृश्य बनाउने हो । अनि सम्पादन भनेको चाहिं यसले बनाइदिएको दृश्यमा पनि तपाईंले थुप्रै सम्पादन टूलहरू प्रयोग गर्न सक्नुहुन्छ । 

लुमेन५ (Lumen5)

लुमेन५ त्यस्तो एआइ भएको सफ्टवेयर हो जसको सहयोगले तपाईंमा जटिल भिडियो सम्पादन गर्ने प्राविधिक ज्ञान छैन भने पनि सजिलै केही मिनेटमै व्यावसायिक भिडियो बनाउन सक्नुहुन्छ । 

यसमा इमेज वा भिडियो तानेर खसाल्न (drag-and-drop) मिल्ने इन्टरफेस राखिएको छ जसले चाँडो प्रभावकारी र सस्तो मूल्यमा भिडियो सिर्जना गर्न सकिन्छ । 

यसमा निकै सस्तो मूल्यमा तपाईंले असीमित भिडियोहरू बनाउन सक्नुहुन्छ, जुन यसको ठूलो फाइदा हो । यो व्यावसायिक भ्लगरहरूको लागी निकै काम लाग्ने सफ्टवेयर हो । यसले तपाईंलाई कुनै भिडियोको स्क्रिप्ट वा कुनै आर्टिकलको लिङ्क राखिदिएको भरमा आफै केही मिनेटमै आकर्षक भिडियो बनाइदिन्छ । 

यसमा तपाईंले टेम्प्लेट र डिजाइनहरू छनौट गर्न पाउनुहुन्छ जसकारण आफुले चाहेको जस्तो बनाउन अझै सहज हुन्छ । यो सफ्टवेयरमा पूर्ण नियन्त्रण जमाउँदै पनि आफ्नै ब्राण्ड र शैलीलाई मिल्ने खालको भिडियो बनाउनको लागी यस्ता विकल्पहरू अति नै सहयोगी हुन्छन् । 

यसको सबैभन्दा महत्वपूर्ण र शक्तिशाली सुविधा भनेको चाहिंटेक्स्ट टु भिडियो फिचर नै हो । कुनै आर्टिकल वा स्क्रिप्टलाई बुझेर यसले आफैमा भएको ठूलो मिडिया लाइब्रेरीबाट उपर्युक्त भिडियो वा फोटो छानेर सोही अनुसारको भिडियो बनाइदिने प्रयास यसले गर्छ । केही मिलेन वा चित्त बुझेन भने तपाईंले यसमा सम्पादन पनि गर्न सक्नुहुन्छ । 

ब्राण्डमार्क डट आइओ (Brandmark.io)

ब्राण्डमार्कले केही सेकेण्डमै युनिक लोगो, कलर स्कीम र वेबसाइट टेम्प्लेटहरू बनाइदिन्छ । यसले डीप लर्निङ (deep learning) को प्रयोग गरेर तपाईंले प्रयोग गर्न खोजेको शैलीको नियत बुझ्दै हरेक पटक ज्यादै आकर्षक र पृथक लोगो बनाइदिन्छ ।

यसमा तपाईंले आफ्नो कम्पनीको ब्राण्डको नाम हाल्नुपर्छ । त्यसपछि तपाईंको कम्पनीको व्याख्या गर्ने मूख्य शब्दहरू (keywords) पनि हाल्नुपर्छ । त्यसपछि कुनै रङ र त्यसको शैली छान्नुपर्छ । अनि ब्राण्डमार्कले आफैले केही सेकेण्डमै लोगो बनाइदिन्छ । 

प्रतिस्पर्धीहरूको तुलना गर्दा यसको डिजाइन बोर्डलाई अब्बल मानिएको छ । तपाईंले यसमा फन्ट, साइज, ब्याकग्राउण्ड र लेटर स्पेसिङ सम्पादन गर्न सक्नुहुन्छ । तपाईंलाई यसले तपाईंकै लागि भनेर ब्राण्ड गाइडलाइन किट पनि उपलब्ध गराउँछ । 

रिफ्फुस्यन (Riffusion)

शब्दलाई बुझेर त्यसबाट लोगो, फोटो, भिडियो बनाउने एआइको त माथि चर्चा गरिहालियो । अब त्यस्तो एआइको चर्चा गर्ने पालो आएको छ जसले शब्दहरूलाई बुझेर सङ्गीतमा परिणत गरिदिन्छ । हो, रिफ्फुस्यन नामक एआइले त्यस्तो काम गर्छ । 

तपाईंले यसमा टेक्स्ट प्रम्प्ट हालेर सङ्गीतको वेभफर्म (waveform) बनाउन, त्यसलाई भिज्वलाइज (visualize) गर्न, कस्तो छ भनेर सुन्न र मन परेमा डाउनलोड गर्न पनि सक्नुहुन्छ । हुन त यो अझै पनि विकासकै चरणमा छ जसकारण अडियोको गुणस्तर त्यस्तो उत्कृष्ट भन्न मिल्दैन तर यसले भविष्यमा असोचनीय प्रगति गर्ने अनुमान गर्न सकिन्छ । 

प्राय: सबै एआइ म्युजिक जेनेरेटर जस्तै रिफ्फुस्यनले लो फिडेलिटि अडियो फाइल (low fidelity audio file) सिर्जना गर्छ जुन चाहिँ केही सेकेण्ड मात्रै लामो हुन्छ । 

यसले स्टेबल डिफ्युजन (Stable Diffusion) को प्रयोग गरेको हुन्छ जसले शब्दलाई इमेजमा परिणत गर्छ । यही इमेजबाट यसले सोनोग्राम (sonogram) बनाउँछ । सोनोग्राम भनेको चाहिँ सङ्गीतको ग्राफ हो । यसैलाई एआइले सङ्गीतमा परिणत गर्ने हो । 

च्याटजिपिटि जत्तिको चर्चा नभए पनि रिफ्फुस्यन आएको केही समयमै यसले ठूलै चर्चा कमाएको थियो । यो वर्ष एआइहरूले ठूलो चर्चा कमाएका छन् र आगामी वर्षहरूमा थप चर्चा होला भन्ने अनुमान गरौँ।

कपि डट एआइ (copy.ai)

अब अन्त्यमा च्याटजिपिटि जस्तै एआइको पालो आयो जसले शब्दहरूलाई बुझेर कपि राइटिङ, कन्टेन्ट जेनेरेटिङ लगायत विभिन्न आइडियाहरू दिने काम गर्छ । हुन त थुप्रै मामिलामा च्याटजिपिटि नै कपि डट एआइ भन्दा राम्रो मान्न सकिन्छ तर त्यस्ता पक्षहरू पनि छन् जसमा त्यो कुरामा शंका गर्नुपर्ने हुन्छ । 

यो खास गरी व्यस्त मार्केटर र साना व्यवसायीहरूको लागि एकदमै उपयोगी हुन्छ किनकी निकै छोटो समयमा यसले तिनको व्यापार वा वेबसाइटमा सस्तोमै राम्रो सामाग्रीहरू लेखिदिन्छ । 

कपि डट एआइ खासगरी कपि राइटर र मार्केटरहरूको लागी ज्यादै उपयोगी एआइ हो किनकी यसले लक्षित उपभोक्ताको पहिचान गरी तिनीहरूलाई कस्तो सामाग्री सबैभन्दा प्रभावकारी हुन्छ भनेर पहिचान गरी कस्टोमाइज्ड कपि राइटिङ गरेर तिनलाई निकै छिटो सहयोग गर्छ । 

यसले मशिन लर्निङ र नेचुरल ल्याङ्ग्वेज प्रोसेसिङको प्रयोग गरेर तपाईँंले चाहेकै शैलीमा लेखिदिन सक्ने सामर्थ्य राख्छ । यसको प्रयोग संसारभर गरेर ४० लाख उद्यमीहरूले गरिरहेका छन् जसमार्फत् उनीहरूले आफ्नो व्यापार बढाउने देखि लिएर आम्दानी बढाउने सम्मका काम गरिरहेका छन् । 

च्याटजिपिटि चलाउँदा भन्दा यो चलाउँदाका केही फाइदाहरू यस्ता छन् : गूगल क्रोम एक्स्टेन्सनको प्रयोग, ९० भन्दा बढी टेम्प्लेटको प्रयोग, प्ल्याजियारिज्म चेकर (plagiarism checker) को सुविधा इत्यादि । कतिपय मामिलामा यसले च्याटजिपिटिको भन्दा राम्रो कन्टेन्ट दिएको पनि प्रयोगकर्ताहरूले बताएका छन् ।